---
title: "思维链提示：让 Claude 像专家一样深度思考"
description: "遇到多步计算、逻辑推理、方案权衡时，先让它把推理过程摊开写，再给结论。这一节给可直接套用的三种框架，也说清哪些任务不该用。"
updated: 2026-11-13
canonical: https://docai.cc/learn/chain-of-thought-prompting/
markdown_mirror: https://docai.cc/learn/chain-of-thought-prompting.md
---
## 一句话说清原理

同一道题，直接要答案，模型只能一次成型；先要过程，它会把中间步骤写出来，错误在途中就暴露了。这就是思维链：把「想」显式化，再基于写下来的内容给结论。

差别有多大？拿道常见的优惠题试试。原价 120 元，打八折，买三件再减 50。

直接问，它可能给一个凑整的数字。加上一句「请分步计算」，你会看到：

```
单价先打折：120 × 0.8 = 96
三件合计：96 × 3 = 288
再减门槛优惠，实付 238
```

每一步都能自己验算。算错的概率自然下降，哪怕错了，你也能立刻指出是哪一个环节。

## 三种常用的框架

### 先想后答

最通用的一种。把草稿和成稿分开放，正文只留结论：

> 动笔前先打草稿，在 `<draft>` 区块里完成三件事：
> 1. 这道题的难点在哪
> 2. 你准备用什么方法
> 3. 哪一步最容易出错
> 正式回答单独写进 `<final>`。
> 下面是题目：[你的问题]

适合需要解释、又要交付的场景：报告、评审意见、技术方案。

### 假设—验证

需要事实准确时，让模型先押一个答案，再自己拆：

> 按以下顺序作答：
> 第一步，写出初步判断；
> 第二步，用已知条件逐步推导，看是否成立；
> 第三步，主动找一个反例；
> 第四步，若被推翻就改判断；
> 第五步，给最终结论并注明依据。
> 待分析的题目：[你的问题]

反例这一步最关键。没有它，模型容易围着自己的第一直觉找证据。

### 多角度

决策类问题常常没有唯一的对错，只有权衡：

> 分别从三个位置分析：
> A. 支持这个决定的理由和证据
> B. 反对它的理由和风险
> C. 中立视角下，什么条件下该做、什么条件下不该做
> 最后给出你的综合判断，并说明最关键的假设。
> 待分析的题目：[你的问题]

三个角度写完，你会发现问题往往不在「做不做」，而在某个前提是否成立。

## 放到真实场景里

写报告前先推演结构，比直接让它写正文省事：

> 我要向老板争取一笔采购 AI 工具的预算。
> 先不要写正文。先推演：他关心什么、我的核心论点是什么、哪些证据最有分量、他会怎么反驳、报告该怎么排。
> 推演完我确认，你再动笔。

调代码也一样。把「找出 bug」拆成四步：先描述这段代码本来的意图，再按给定输入走一遍流程，然后对比实际结果与预期的差异，最后定位到具体行并给修复。步骤固定，它就不会东一榔头西一棒子。

## 一个完整的决策推演

把框架落到具体问题上，才看得出它值不值。假设要判断一个新址能不能开店，手上只有几个数：月租金 8 万元，装修一次性投入 50 万元，现有门店月均营收 35 万元，利润率 15%，周边已有三家同类店。

提示词这样写：

```text
按四步分析，每步先写计算式，再写一句结论：
1. 参照现有门店，估算新店每月的利润；
2. 把租金算进固定成本，判断单月现金流是正还是负；
3. 如果为负，用同样的利润率反推，需要多少营收才能打平；
4. 给出建议：开、不开，或满足什么条件才开。

不要跳过第 2 步直接算装修回本。
```

常见的错法是拿 50 万除以月利润，得出一个「十个月回本」的漂亮答案，却漏了租金。按 15% 的利润率，35 万营收对应约 5.25 万利润，租金 8 万，单月已经是负数；反推打平需要的月营收约为 8 万除以 15%，超过 53 万，比现有门店高出五成。算到这一步，问题就从「多久回本」变成了「客流得先涨多少」。

这个例子说明思维链真正的价值：它逼你把「回本」拆成现金流能不能转正，而不是接受第一个看起来合理的答案。数字换成你自己的，步骤不用变。

同类决策的通用问法，可以对照[决策分析](/learn/claude-decision-analysis/)。

## 让它自己复查

答案出来之后，加一轮校验，比重新问一遍便宜：

> 检查刚才的推导：
> - 有没有跳步
> - 引用的数字有没有出处
> - 结论是否回应了原始问题
> - 是否存在被忽略的反例
> 发现问题就改，改完再给最终版。

这一步能拦住不少「过程正确、结论抄错」的低级错误。

还有一个隐蔽的问题：步骤写全了，但每步之间没有验算，只是把直觉拆成了几句话。判断办法是看它有没有给出代入过程——算数字的题要能看到算式，引资料的题要能看到出处。看不到，就要求它把每一步的计算或引用补上，再重新走一遍。

## 什么时候别用

思维链不是万能钥匙。查一个名词、要一句文案、想十个创意方向，都不必让它铺开推理——加了反而啰嗦，创意还容易被步骤框死。判断标准只有一条：任务是否需要多步且可验证的推理。要的话值得，不要的话跳过。

另一个边界是成本。推理过程本身也占输出长度，简单任务上要求它写满五步推导，你付出的等待时间和额度都白花了。先想清楚这道题出错一次的代价有多大，再决定要不要这份保险。

想看模型本身为什么具备这种能力，可以读[推理模型](/concepts/reasoning-model/)；想把它固化成模板，参考[提示词模板](/concepts/prompt-template/)。

下一节处理另一种常见的失控：对话越聊越长，话题越跑越远——[上下文管理](/learn/context-management-tips/)。